基于时变压缩因子的PSO算法的配电网故障定位测控计算分析方法

随着科学技术的进步以及社会的发展,使得配电网的电路拓扑结构变得越来越复杂,与之相对应的是,故障定位准确性变得越来越无法保证。文中采用时变压缩因子的PSO算法,实现基于配电网终端馈线设备FTU的故障定位,可以更有效地提高配电网故障定位的准确率与容错性,并通过Matlab软件进行仿真测试。实验结果表明,该算法收敛性好、准确度高,可以精准识别故障位置,为配电网完全自动化的实现提供了重要的理论支撑。

基于时变双重压缩因子PSO的太阳能辐射预测资料同化模型研究

针对PSO在特定同化过程中的精度低及噪声干扰下的鲁棒性差的问题,该文将时变双重压缩因子PSO算法应用于含不连续"开关"过程的变分资料同化中,建立一种新的同化模型,并与动态权重PSO算法在同化结果、同化时效性和鲁棒性上进行了比较,结果表明:时变双重压缩因子PSO变分同化结果的精度明显优于动态惯性权重PSO,在观测误差以及模式误差的敏感性实验中也展示出其更强的鲁棒性。

基于改进PSO算法的光伏阵列MPPT研究

为解决传统粒子群优化(PSO)算法在寻优过程中出现粒子早熟、收敛速度慢、易陷入局部优化等问题,提出一种基于反向学习的Logistic-Tent双重混沌映射和时变双重压缩因子(TVCF)策略的改进粒子群优化(LT-TVCFPSO)算法,在传统PSO算法基础上,引入了Logistic-Tent混沌映射和TVCF,既可增强种群多样性,避免粒子早熟,跳出局部优化,又能加快粒子收敛,提升全局寻优能力。最后在MATLAB/Simu-link上进行仿真。仿真结果表明:相比于传统MPPT算法,LT-TVCFPSO算法能够快速准确地追踪到全局最大功率点(GMPP)。

基于改进PSO算法的微能源网优化配置研究

微能源网优化配置的求解算法存在易陷入局部搜索和收敛速度低两大缺陷,如何同时解决这两个缺陷是一直以来的研究难点。针对这一问题,提出了基于时变压缩因子和自适应变异的改进粒子群算法。针对经济优化配置,建立了包括多种分布式设备的微能源网架构模型和以年经济成本最低为目标,计及可靠性并含多种约束的优化配置模型。最后,结合具体算例,将改进粒子群算法运用于模型中,得到各分布式设备的配置方案和最优年经济成本,对比验证改进粒子群算法性能。实验结果表明:改进粒子群算法较好地提高了算法的收敛速度和全局收敛能力;微能源网优化配置模型实现了低经济性和高可靠性的有效结合。